Modelo de predicción de compra de tarjeta de crédito
El trabajo muestra el desarrollo completo de un modelo de clasificación binario, aplicado a un problema real dentro de la industria bancaria, que presenta gran cantidad de datos (2.380.000 registros y 1.400 variables) y gran desbalanceo (1,8 %). La variable respuesta es si el cliente compra o no una...
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de maestría publishedVersion |
| Lenguaje: | Español |
| Publicado: |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
2023
|
| Materias: | |
| Acceso en línea: | https://hdl.handle.net/20.500.12110/tesis_n7343_Stivala https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7343_Stivala_oai |
| Aporte de: |
| id |
I28-R145-tesis_n7343_Stivala_oai |
|---|---|
| record_format |
dspace |
| spelling |
I28-R145-tesis_n7343_Stivala_oai2024-09-02 Rodríguez, Daniela Andrea Venturini, Ludmila V. Stivala, Ignacio José 2023-06-21 El trabajo muestra el desarrollo completo de un modelo de clasificación binario, aplicado a un problema real dentro de la industria bancaria, que presenta gran cantidad de datos (2.380.000 registros y 1.400 variables) y gran desbalanceo (1,8 %). La variable respuesta es si el cliente compra o no una tarjeta de crédito, y el parámetro de interés la probabilidad de dicha compra. Se desarrolló en un contexto macro económico de alta inflación, requiriendo trabajar con variables monetarias. Las etapas desarrolladas son armado de base, limpieza y preprocesamiento, selección de variables/reducción de dimensión, aplicación de algoritmos, evaluación y selección del modelo final. Se utilizan diversas técnicas con el objetivo de obtener la mejor predicción: regresión logística, Lasso, Ridge, Partial Least Squares-Discriminant Analysis (PLS-DA), Random Forest, Gradient Boosting Tree y Light Gradient Boosting Machine (light GBM). Para la explicación de las variables se utilizan SHapley Additive exPlanations (SHAP). Además, se muestra un análisis que permite decidir si es conveniente trabajar con un modelo global o dos modelos distintos separando al universo por una variable independiente. This work shows the complete development of a binary classification model, applied to a real problem in the banking industry, which presents a large amount of data (2,380,000 records and 1,400 variables) and a large imbalance (1.8 %). The response is whether or not the customer buys a credit card, and the interest variable is the probability of that purchase. It was developed in a macroeconomic context of high inflation, requiring work with monetary variables. The stages developed are collecting data, cleaning and preprocessing, variable selection/dimension reduction, application of algorithms, evaluation and selection of the final model. Various techniques are used in order to obtain the best prediction: logistic regression, Lasso, Ridge, Partial Least Squares-Discriminant Analysis (PLS-DA), Random Forest, Gradient Boosting Tree and Light Gradient Boosting Machine (light GBM). SHapley Additive exPlanations (SHAP) are used for the explanation of the variables. In addition, an analysis is shown that allows deciding if it is convenient to work with a global model or two different models splitting the universe by an independent variable. Fil: Stivala, Ignacio José. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. application/pdf https://hdl.handle.net/20.500.12110/tesis_n7343_Stivala spa Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar CLASIFICACION BINARIA DESBALANCEO SELECCION DE VARIABLES REDUCCION DE DIMENSION REGRESION LOGISTICA PLS-DA RANDOM FOREST LIGHT GBM SHAP BINARY CLASSIFICATION IMBALANCE DATA VARIABLE SELECTION DIMENSION REDUCTION LOGISTIC REGRESSION PLS-DA RANDOM FOREST LIGHT GBM SHAP Modelo de predicción de compra de tarjeta de crédito Credit card purchase prediction model info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/publishedVersion https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7343_Stivala_oai |
| institution |
Universidad de Buenos Aires |
| institution_str |
I-28 |
| repository_str |
R-145 |
| collection |
Repositorio Digital de la Universidad de Buenos Aires (UBA) |
| language |
Español |
| orig_language_str_mv |
spa |
| topic |
CLASIFICACION BINARIA DESBALANCEO SELECCION DE VARIABLES REDUCCION DE DIMENSION REGRESION LOGISTICA PLS-DA RANDOM FOREST LIGHT GBM SHAP BINARY CLASSIFICATION IMBALANCE DATA VARIABLE SELECTION DIMENSION REDUCTION LOGISTIC REGRESSION PLS-DA RANDOM FOREST LIGHT GBM SHAP |
| spellingShingle |
CLASIFICACION BINARIA DESBALANCEO SELECCION DE VARIABLES REDUCCION DE DIMENSION REGRESION LOGISTICA PLS-DA RANDOM FOREST LIGHT GBM SHAP BINARY CLASSIFICATION IMBALANCE DATA VARIABLE SELECTION DIMENSION REDUCTION LOGISTIC REGRESSION PLS-DA RANDOM FOREST LIGHT GBM SHAP Stivala, Ignacio José Modelo de predicción de compra de tarjeta de crédito |
| topic_facet |
CLASIFICACION BINARIA DESBALANCEO SELECCION DE VARIABLES REDUCCION DE DIMENSION REGRESION LOGISTICA PLS-DA RANDOM FOREST LIGHT GBM SHAP BINARY CLASSIFICATION IMBALANCE DATA VARIABLE SELECTION DIMENSION REDUCTION LOGISTIC REGRESSION PLS-DA RANDOM FOREST LIGHT GBM SHAP |
| description |
El trabajo muestra el desarrollo completo de un modelo de clasificación binario, aplicado a un problema real dentro de la industria bancaria, que presenta gran cantidad de datos (2.380.000 registros y 1.400 variables) y gran desbalanceo (1,8 %). La variable respuesta es si el cliente compra o no una tarjeta de crédito, y el parámetro de interés la probabilidad de dicha compra. Se desarrolló en un contexto macro económico de alta inflación, requiriendo trabajar con variables monetarias. Las etapas desarrolladas son armado de base, limpieza y preprocesamiento, selección de variables/reducción de dimensión, aplicación de algoritmos, evaluación y selección del modelo final. Se utilizan diversas técnicas con el objetivo de obtener la mejor predicción: regresión logística, Lasso, Ridge, Partial Least Squares-Discriminant Analysis (PLS-DA), Random Forest, Gradient Boosting Tree y Light Gradient Boosting Machine (light GBM). Para la explicación de las variables se utilizan SHapley Additive exPlanations (SHAP). Además, se muestra un análisis que permite decidir si es conveniente trabajar con un modelo global o dos modelos distintos separando al universo por una variable independiente. |
| author2 |
Rodríguez, Daniela Andrea |
| author_facet |
Rodríguez, Daniela Andrea Stivala, Ignacio José |
| format |
Tesis de maestría Tesis de maestría publishedVersion |
| author |
Stivala, Ignacio José |
| author_sort |
Stivala, Ignacio José |
| title |
Modelo de predicción de compra de tarjeta de crédito |
| title_short |
Modelo de predicción de compra de tarjeta de crédito |
| title_full |
Modelo de predicción de compra de tarjeta de crédito |
| title_fullStr |
Modelo de predicción de compra de tarjeta de crédito |
| title_full_unstemmed |
Modelo de predicción de compra de tarjeta de crédito |
| title_sort |
modelo de predicción de compra de tarjeta de crédito |
| publisher |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
| publishDate |
2023 |
| url |
https://hdl.handle.net/20.500.12110/tesis_n7343_Stivala https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7343_Stivala_oai |
| work_keys_str_mv |
AT stivalaignaciojose modelodepredicciondecompradetarjetadecredito AT stivalaignaciojose creditcardpurchasepredictionmodel |
| _version_ |
1824355203920429056 |